Да, вообще-то, объяснять и нечего. Клонирование в visual fx - создание некоего множества (предметов, живых существ) из минимально необходимого набора объектов. Например, вам надо создать картинку длинного коридора с рядом осветительных приборов (например, настенных светильников). В этом случае вы многократно повторяете одну и ту же текстуру. Это самый простой пример клонирования.
С людьми или животными немного сложнее. Вы снимаете в нужном ракурсе несколько объектов, потом многократно повторяете их с разными масштабами и движением.
Трехмерное клонирование анимированных объектов в каждом пакете происходит по-своему, но принцип почти всегда один - задается траектория, сдвигается в нужную сторону scale и ключи анимации, задается нужный depth по z + еще немного мелочей - и все готово.
В конце концов - в композере сводите все воедино, создавая ощущение глубины.
В нашем случае с клипом пришлось делать стабилизацию изображения - камера стояла слишком высоко и ветром качало кран.
Кроме того, ассистенты плохо следили за тем, чтобы массовка менялась местами и получились "близнецы" - в одном месте можно заметить "двух" женщин - на самом деле это и есть "близнец", оставленный потому, что этого никто не замечает.
Ротоскопные маски понадобилась потому, что была борьба с этими самыми "близнецами" + статисты перекрывали друг друга и совершали активные движения (сперва стоят, потом опускаются на колено). Таких масок было сделано, насколько помню, более 50-ти.